АРХІТЕКТУРА НЕЧІТКОЇ НЕЙРОННОЇ МЕРЕЖІ ANFIS (ADAPTIVE NETWORK BASED FUZZY INFERENCE SYSTEM)

ANFIS представляє адаптивну систему нейро-нечіткого виводу. З одного боку, мережа ANFIS є нейронну мережу з єдиним виходом і декількома входами, які представляють собою нечіткі лінгвістичні змінні. При цьому терми вхідних лінгвістичних змінних описуються стандартними функціями належності, які наведені в розділі 1.2, а терми вихідної змінної представляються лінійної або постійними функціями приналежності. З іншого боку, мережу ANFIS являє собою систему нечіткого виводу, в якій кожне з правил нечітких продукцій має постійну вагу, рівний 1. Дана мережа ANFIS може бути успішно використана для настройки функцій приналежності і налаштування бази правил в нечіткій експертній системі. Алгоритми навчання адаптивних нечітких систем щодо трудомісткі і складні в порівнянні з алгоритмами навчання нейронних мереж, і, як правило, складаються з двох стадій: 1. Генерація лінгвістичних правил; 2. Коригування функцій приналежності. Перше завдання відноситься до задачі переборного типу, друга - до оптимізації в безперервних просторах.

Нижче представлена модель адаптивної мережі ANFIS що складається з двох правил;

Шари мережі ANFIS виконують такі функції.

Шар I. представлений радіально базисними (РБФ) нейрони і моделює функції приналежності.

Шар 2. це шар «І» нейронів, які моделюють логічний зв'язку І твором w _: = / л _А (*,) • ц _в (л: ₂ ) -...

Мал. 25 - Структура мережі ANFIS

Шар 3. обчислює нормовану силу правила:

Шар 4. формує значення вихідної змінної:

Шар 5. виконує дсфаззіфікацію:

гібридна мережа архітектури ANFIS може бути навчена за допомогою алгоритму зворотного поширення помилки.